Última actualización: 04/08/2026
La carrera por la eficiencia en la inteligencia artificial ha encontrado un nuevo aliado en la apertura de estándares. Nvidia anunció recientemente que ha decidido convertir en código abierto su interfaz de programación de aplicaciones diseñada para optimizar el flujo de datos. Esta decisión busca masificar el acceso directo a memoria GPU con cuFile, una tecnología que permite reducir la latencia a niveles de milisegundos, eliminando los obstáculos tradicionales en el procesamiento de grandes volúmenes de información.
Como las aplicaciones de IA moderna demandan una velocidad de lectura y escritura cada vez mayor, la infraestructura de hardware debe evolucionar para no quedar obsoleta. El movimiento de la compañía no solo implica la liberación de software, sino también el lanzamiento de una iniciativa industrial de gran escala denominada Storage-Next. Este proyecto reúne a fabricantes de almacenamiento, proveedores de refrigeración y organismos de estandarización para redefinir cómo interactúan los chips de video con los discos de estado sólido de alto rendimiento.
Cómo funciona la eliminación de cuellos de botella
Históricamente, cuando una placa de video necesitaba procesar datos almacenados, la información debía pasar primero por la unidad central de procesamiento (CPU) y la memoria RAM del sistema. Este desvío generaba demoras significativas. El acceso directo a memoria GPU con cuFile rompe este esquema mediante el uso de DMA (Direct Memory Access), permitiendo que los datos viajen directamente desde las unidades NVMe hacia el ecosistema de procesamiento gráfico.
Al implementar el acceso directo a memoria GPU con cuFile, se elimina lo que en la industria se conoce como «inanición de GPU». Este fenómeno ocurre cuando los núcleos de procesamiento más avanzados del mundo se quedan inactivos, esperando que el sistema de almacenamiento les entregue la información necesaria. Con este nuevo paradigma, la orquestación de los datos recae directamente en la placa, optimizando los ciclos de trabajo de manera drástica.
La alianza Storage-Next y el estándar SCADA
La estrategia de la firma no es solitaria. Storage-Next cuenta con la participación de más de 40 líderes del sector, incluyendo nombres de peso como Micron, Kioxia y DataDirect Networks (DDN). El objetivo es construir una base tecnológica sólida sobre la arquitectura SCADA (Scaled, Accelerated Data Access). Esta arquitectura es la que permite que el acceso directo a memoria GPU con cuFile se realice de forma masivamente paralela, algo vital para el entrenamiento de modelos de lenguaje extensos.
Sven Oehme, director de tecnología en DDN, señaló que el éxito de la inteligencia artificial no dependerá de cuánta infraestructura posea una empresa, sino de qué tan productiva sea su utilización. La integración del acceso directo a memoria GPU con cuFile en los flujos de trabajo corporativos promete transformar las inversiones en hardware en resultados financieros tangibles, acelerando el tiempo necesario para obtener conocimiento a partir de datos crudos.
Seguridad y protección de datos en alta velocidad
Uno de los mayores desafíos al permitir que un componente externo acceda directamente al almacenamiento es la seguridad. El concepto de «clobber», donde dos procesos intentan escribir en el mismo sector al mismo tiempo, es un riesgo latente. Sin embargo, la implementación del acceso directo a memoria GPU con cuFile bajo el estándar SCADA resuelve este dilema dividiendo el acceso en capas.
El sistema permite que las aplicaciones obtengan la máxima velocidad en el espacio de usuario, mientras que un componente privilegiado y protegido, basado en protocolos de Linux, se encarga de configurar los permisos. De esta manera, el acceso directo a memoria GPU con cuFile mantiene la integridad de la información sin sacrificar el rendimiento que exigen los agentes de IA y los modelos de Mixture-of-Experts.
El futuro del almacenamiento para inteligencia artificial
La apertura de esta API marca un antes y un después en la interoperabilidad del hardware. Al facilitar el acceso directo a memoria GPU con cuFile, Nvidia está permitiendo que terceras empresas desarrollen controladores y soluciones a medida que antes estaban limitadas por ecosistemas cerrados. Esto fomentará la creación de una «superautopista» de baja latencia entre el almacenamiento profundo y el procesamiento acelerado.
En conclusión, la democratización de estas herramientas técnicas asegura que la próxima generación de IA generativa y flujos de trabajo autónomos no se vea frenada por arquitecturas de computación antiguas. El acceso directo a memoria GPU con cuFile se posiciona así como el estándar de facto para cualquier organización que busque maximizar el rendimiento de sus centros de datos y estaciones de trabajo de alto nivel.
Fuente: Nvidia
Soy Enzo Ramírez, co-fundador y editor de tecno.ar. Tengo formación técnica en Informática, Seguridad Informática y Ciberseguridad, con background en desarrollo full stack. Me interesa especialmente todo lo que cruza tecnología, hardware, empresas, inteligencia artificial, entre otras, y su impacto en el mercado argentino